一、荣誉背景：华人学者再登统计学最高领奖台 2026年，被誉为统计学界最高荣誉的考普斯会长奖（COPSS Presidents' Award）授予宾夕法尼亚大学沃顿商学院统计与数据科学系教授苏炜杰。这是该奖项时隔14年后再度由华人学者摘得，国际统计学界引发广泛关注。 考普斯奖由美国统计学会等五大专业机构联合颁发，每年仅授予一名在统计学领域作出突出贡献的学者，素有统计学"诺贝尔奖"之称。苏炜杰此番获奖，源于其在智能技术可信部署、隐私数据保护、凸优化理论以及学术评审机制改革等多个方向上的系统性突破。 苏炜杰现任教于宾夕法尼亚大学沃顿商学院，并在该校计算机系与数学系兼任教职。此前，他已先后获得美国国家科学基金会CAREER奖、斯隆研究奖等多项重量级学术荣誉，学术积累深厚。 二、核心贡献：以统计学方法回应智能技术三大挑战 苏炜杰的研究成果集中体现在三个相互关联的领域，共同指向一个核心命题：如何让智能技术在现实应用中更加可靠、可信、可控。 在可信部署上，苏炜杰及其团队将智能生成内容的可追溯性、人类偏好对齐等现实问题，转化为严谨的统计学框架加以处理。这个路径的意义于，它不依赖对模型内部结构的完全理解——而是通过概率分布的方式——在不确定性中寻找最优解，从而在工程层面提升系统的稳健性与可靠性。 在隐私保护上，苏炜杰提出了高斯差分隐私框架，并将其应用于2020年美国十年一次的人口普查数据处理工作，保障个人隐私的前提下，提升了数据的统计效用。这一成果已在政府数据治理实践中得到验证，具有重要的现实参考价值。 在学术评审机制上，苏炜杰针对大规模学术会议中论文评审质量参差不齐的问题，提出了"保序机制"——允许作者对自己提交的多篇论文进行质量排序，以此辅助评审委员会作出更为准确的判断。该机制已于2026年正式在国际机器学习顶级会议ICML中投入使用，为学术共同体的自我完善提供了新的制度工具。 三、理论判断：现有数学语言或不足以描述智能技术 在接受专访时，苏炜杰提出了一个具有前瞻性的学术判断：当前智能技术在可解释性、泛化理论等方向上的滞后，根源或许在于现有数学语言本身的局限性。 他以物理学作类比指出，经典物理学的逻辑是"从小到大"——从底层微观机制出发，推导并解释宏观现象；而智能技术的运作逻辑恰恰相反，是"从大到小"——先确定整体架构与网络层次，再通过大规模训练逐步确定每一个参数。这种根本性的结构差异，意味着为物理学量身打造的数学工具，未必适合用来描述和分析智能系统的行为规律。 苏炜杰认为，智能技术正在演变为一种"新的物理"，其底层逻辑与经典科学范式存在本质区别。在他看来，为智能技术构建一套全新的数学语言，其历史意义不亚于经典力学或相对论的诞生。 四、人才呼吁：邀请数学背景学者共同开拓新领域 基于上述判断，苏炜杰向具有纯数学背景的年轻学者发出了明确邀请，希望他们积极进入智能技术研究领域，参与构建这门尚未成形的新"语言"。 他同时强调，大学体系在智能技术时代依然不可替代。面对日益复杂的技术系统，系统性的基础理论训练与跨学科的学术积累，是推动真正意义上的原创性突破的根本前提。统计学的价值，正在于它能够在不完全理解系统内部机制的条件下，依然为决策提供严谨的概率依据。
苏炜杰的获奖展现了华人科学家的国际影响力，也凸显了基础研究对技术创新的支撑作用；在人工智能快速发展的今天，构建与之相适应的理论体系已成为关键课题。这个探索或将重塑科学研究范式，为人类认知拓展新可能。